我对ML相对较新。我已经创建了一个决策树模型，以根据某些标准预测项目的价格。
举个例子，假设模型根据发动机尺寸，车门数量，燃料类型，里程和年龄等一些功能预测汽车价格。
数据分析显示我的数据不是线性的，因此决策树更适合。该模型在预测方面也做得不错，但在我将其提供给任何用户之前，我需要量化其准确性。
由于其非线性，R平方似乎不是评估准确性的好方法，但我不确定我应该使用什么。
对此提出任何建议。
答案 0 :(得分：0)
在这些情况下，您通常可以使用评估指标评估模型在测试或保持集（在模型构建期间未使用）的性能。
对于回归问题（如您所描述的那些），有几个evaluation metrics可用。最常见的是MAE（Mean Absolute Error）和RMSE（Root Mean Squared Error）
要完全了解模型的性能有多好，您可以将其与其他模型进行比较，或者与简单基线进行比较（例如始终预测平均价格，或者返回培训集中最相似汽车的价格）